def choosepic(): path_ = tkinter.filedialog.askopenfilename() path.set(path_) print(path) img_open = Image.open(entry.get()) img_array = np.array(img_open) arr1 = img_array[:] #print(arr1.shape) for x in range(1, arr1.shape[0]): for y in range(1, arr1.shape[1]): a = img_array[x, y][0] b = img_array[x, y][1] c = img_array[x, y][2] arr1[x, y] = (a, b, c) img1 = Image.fromarray(arr1) # img1 = np.array(img1) img = ImageTk.PhotoImage(img1.resize((380, 330))) img2 = cv2.resize(arr1, (380, 330), interpolation=cv2.INTER_AREA) lableShowImage1.config(image=img) lableShowImage1.place(x=270, y=50) lableShowImage1.image = img label4 = Label(text='原始图案', bg='#F0E68C', font=('微软雅黑', 10)) label4.place(x=275, y=38) os.remove('img.jpg') cv2.imwrite('img.jpg',img2) path = StringVar() entry = Entry(root2, state='readonly', text=path, width=100) lableShowImage1 = Label(root2, bg='#F0E68C', relief=GROOVE, width=380, height=330) lableShowImage2 = Label(root2, bg='#F0E68C', relief=GROOVE, width=380, height=330) button3 = Button(root2, text='选择图片', relief=GROOVE, font=('微软雅黑', 14), command=lambda:choosepic()) # 选择图片按钮 button3.place(x=1080, y=120)第二次选择图片不显示是为什么呢

根据你提供的代码，我看不出来第二次选择图片不显示的具体原因。可能需要你提供更多的代码和详细的描述，才能更好地帮助你解决问题。不过，你可以检查一下以下几个方面：

1. 是否有错误提示或异常信息输出，可以帮助你定位问题。

2. 是否有命名冲突或覆盖之前的变量，导致第二次选择图片无法显示。

3. 是否对第二次选择的图片进行了正确的读取和处理，例如路径是否正确、图片格式是否支持等等。

相关问题

def choosepic(): global gl_path_ gl_path_ = tkinter.filedialog.askopenfilename() # 获取图片路径 path.set(gl_path_) # print(path_) img_open = Image.open(entry.get()) img = ImageTk.PhotoImage(img_open.resize((500,500)))#把图片缩放以下，不然太大了，放不下 l1.config(image=img) l1.image = img # keep a reference

这段代码实现了一个选择图片的功能。首先，通过`tkinter.filedialog.askopenfilename()`弹出一个文件选择对话框，让用户选择一张图片，并将选择的图片路径存储在`gl_path_`变量中。然后，将路径存储在`path`变量中，以便其他函数使用。接着，使用Pillow库的`Image.open()`函数打开这张图片，并返回一个`Image`对象。再使用`ImageTk.PhotoImage()`函数将`Image`对象转换为`PhotoImage`对象，以便在tkinter窗口中显示。由于tkinter只能显示`PhotoImage`对象，不能直接显示`Image`对象。最后，将`PhotoImage`对象显示到tkinter窗口中，并将其存储在`l1.image`变量中，以便保持对该对象的引用，防止被垃圾回收。

def unzip_infer_data(src_path,target_path): ''' 解压预测数据集 ''' if(not os.path.isdir(target_path)): z = zipfile.ZipFile(src_path, 'r') z.extractall(path=target_path) z.close() def load_image(img_path): ''' 预测图片预处理 ''' img = Image.open(img_path) if img.mode != 'RGB': img = img.convert('RGB') img = img.resize((224, 224), Image.BILINEAR) img = np.array(img).astype('float32') img = img.transpose((2, 0, 1)) # HWC to CHW img = img/255 # 像素值归一化 return img infer_src_path = './archive_test.zip' infer_dst_path = './archive_test' unzip_infer_data(infer_src_path,infer_dst_path) para_state_dict = paddle.load("MyDNN") model = MyDNN() model.set_state_dict(para_state_dict) #加载模型参数 model.eval() #验证模式 #展示预测图片 infer_path='./archive_test/alexandrite_18.jpg' img = Image.open(infer_path) plt.imshow(img) #根据数组绘制图像 plt.show() #显示图像 #对预测图片进行预处理 infer_imgs = [] infer_imgs.append(load_image(infer_path)) infer_imgs = np.array(infer_imgs) label_dic = train_parameters['label_dict'] for i in range(len(infer_imgs)): data = infer_imgs[i] dy_x_data = np.array(data).astype('float32') dy_x_data=dy_x_data[np.newaxis,:, : ,:] img = paddle.to_tensor (dy_x_data) out = model(img) lab = np.argmax(out.numpy()) #argmax():返回最大数的索引 print("第{}个样本,被预测为：{},真实标签为：{}".format(i+1,label_dic[str(lab)],infer_path.split('/')[-1].split("_")[0])) print("结束")根据这一段代码续写一段利用这个模型进行宝石预测的GUI界面

好的，根据这段代码，我可以为您提供一个基于tkinter库的简单GUI界面，您可以在其中选择待预测的图片，并得到预测结果。以下是续写的代码：

import tkinter as tk
from tkinter import filedialog
from PIL import ImageTk, Image

# 创建窗口
window = tk.Tk()
window.title("宝石预测")
window.geometry("400x400")

# 加载模型参数
para_state_dict = paddle.load("MyDNN")
model = MyDNN()
model.set_state_dict(para_state_dict)
model.eval()

# 加载标签字典
label_dict = train_parameters['label_dict']

# 创建预测函数
def predict():
    # 获取待预测图片路径
    img_path = filedialog.askopenfilename()
    img = Image.open(img_path)

    # 预处理图片
    img = img.resize((224, 224), Image.BILINEAR)
    img = np.array(img).astype('float32')
    img = img.transpose((2, 0, 1))
    img = img / 255
    img = np.array([img])

    # 进行预测
    img = paddle.to_tensor(img)
    out = model(img)
    label = np.argmax(out.numpy())
    result = label_dict[str(label)]

    # 显示预测结果
    result_label.config(text="预测结果：{}".format(result))

    # 显示待预测图片
    img = ImageTk.PhotoImage(Image.open(img_path).resize((200, 200)))
    img_label.config(image=img)
    img_label.image = img

# 创建选择图片按钮
select_button = tk.Button(window, text="选择图片", command=predict)
select_button.pack(pady=20)

# 创建待预测图片区域
img_label = tk.Label(window)
img_label.pack()

# 创建预测结果区域
result_label = tk.Label(window, font=("Helvetica", 16))
result_label.pack(pady=20)

# 进入消息循环
window.mainloop()

您可以将这段代码保存为.py文件并运行，即可启动GUI界面。界面中有一个“选择图片”按钮，您可以点击该按钮选择待预测的图片，程序将会自动对该图片进行预测，并在界面上显示预测结果和待预测图片。